面向鲁棒多智能体强化学习的狼群对抗攻击
机器学习
2026-05-21 v3 人工智能
密码学与安全
多智能体系统
摘要
传统的多智能体强化学习（MARL）鲁棒方法在协作场景中常常难以应对协同对抗攻击。为解决这一局限性，我们受狼群狩猎策略启发，提出了狼群对抗攻击框架，该框架以初始智能体及其辅助智能体为目标，以破坏合作。此外，我们引入了面向MARL的狼群对抗学习（WALL）框架，该框架通过促进系统范围内的协作来训练鲁棒的MARL策略，以防御所提出的狼群攻击。实验结果突显了狼群攻击的破坏性影响以及WALL所实现的显著鲁棒性提升。我们的代码可在https://github.com/sunwoolee0504/WALL获取。
引用
@article{arxiv.2502.02844,
title = {Wolfpack Adversarial Attack for Robust Multi-Agent Reinforcement Learning},
author = {Sunwoo Lee and Jaebak Hwang and Yonghyeon Jo and Seungyul Han},
journal= {arXiv preprint arXiv:2502.02844},
year = {2026}
}
备注
9 pages main, 23 pages appendix with reference. Accepeted by ICML 2025